【机器人学】平面2R机器人（五）——逆动力学

最新推荐文章于 2024-01-03 16:34:16 发布

Guo_Zhanyu

最新推荐文章于 2024-01-03 16:34:16 发布

阅读量3.3k

点赞数 5

分类专栏： MATLAB 机器人学

本文链接：https://blog.csdn.net/Hide_on_Stream/article/details/118636257

版权

机器人学逆动力学控制律二阶线性系统 MATLAB仿真

关键词由CSDN通过智能技术生成

MATLAB 同时被 2 个专栏收录

8 篇文章 7 订阅

订阅专栏

机器人学

6 篇文章 8 订阅

订阅专栏

前情回顾

【机器人学】平面2R机器人（一）——正运动学

【机器人学】平面2R机器人（二）——逆运动学

【机器人学】平面2R机器人（三）——速度雅可比矩阵

【机器人学】平面2R机器人（四）——正动力学

解答

模型回顾

在上一篇文章中，计算得到平面2R机器人的动力学方程如下：

$\pmb{\tau}=\begin{bmatrix} M_{11} & M_{12} \\ M_{21} & M_{22}\end{bmatrix} \begin{bmatrix} \ddot{\theta}_1\\ \ddot{\theta}_2\end{bmatrix} + \begin{bmatrix} D_{11} & D_{12} \\ D_{21} & D_{22}\end{bmatrix} \begin{bmatrix} \dot{\theta}_1^2\\ \dot{\theta}_2^2\end{bmatrix} + \begin{bmatrix} C_1\\C_2 \end{bmatrix} +\begin{bmatrix} G_1\\G_2 \end{bmatrix}$

其中，

$M_{11}=\frac{5ml^2}{3}+ml^2\cos\theta_2,M_{12}=M_{21}=\frac{ml^2}{3}+\frac{ml^2}{2}\cos\theta_2,M_{22}= \frac{ml^2}{3}$

$D_{11} = D_{22} = 0,D_{12}=-\frac{ml^2}{2}\sin\theta_2,D_{21}=\frac{ml^2}{2}\sin\theta_2$

$C_1=-ml^2\sin\theta_2 \ \dot{\theta}_1\dot{\theta}_2,C_2=0$

$G_1=\frac{3mgl}{2}\sin\theta_1+\frac{mgl}{2}\sin(\theta_1+\theta_2),G_2=\frac{mgl}{2}\sin(\theta_1+\theta_2)$

逆动力学求解

所谓逆动力学，就是已知目标关节角度或末端坐标（两者可通过正逆运动学互相转换），求解出施加在机器人关节上的力或力矩。将我们在前文中求解的动力学方程进一步化简得到：

$\pmb{\tau}=M(\pmb{\theta})\pmb{\ddot{\theta}}+C(\pmb{\theta},\pmb{\dot{\theta}})\pmb{\dot{\theta}}+N(\pmb{\theta},\pmb{\dot{\theta}})$

如果是完美的机器人模型，并且 $\pmb{\theta}(0)=\pmb{\theta}_d(0)$ ， $\pmb{\dot \theta}(0)=\pmb{\dot \theta}_d(0)$ ，则可以选择：

$\pmb{\tau}=M(\pmb{\theta}_d)\pmb{\ddot \theta}_d+C(\pmb{\theta}_d,\pmb{\dot \theta}_d)\pmb{\dot \theta}_d+N(\pmb{\theta}_d,\pmb{\dot \theta}_d)$

作为施加的控制力矩，这就是开环控制律：机器人当前的状态并未被当前输入力矩所参考。但是没有模型是完美的，也没有系统是不受噪声干扰的，该控制律不能消除误差，所以需要引入反馈，使用计算力矩法控制机器人运动。

$\pmb{\tau}=M(\pmb{\theta})(\pmb{\ddot \theta}_d-K_v\pmb{\dot e}-K_p\pmb{e})+C(\pmb{\theta},\pmb{\dot \theta})\pmb{\dot \theta}+N(\pmb{\theta},\pmb{\dot \theta})$

其中 $\pmb{e}=\pmb{\theta}-\pmb{\theta}_d$ ， $K_v,K_p$ 是常增益矩阵，将该力矩方程代入前文的动力学方程得到：

$M(\pmb{\theta})(\pmb{\ddot \theta}_d-K_v\pmb{\dot e}-K_p\pmb{e})+C(\pmb{\theta},\pmb{\dot \theta})\pmb{\dot \theta}+N(\pmb{\theta},\pmb{\dot \theta})=M(\pmb{\theta})\pmb{\ddot{\theta}}+C(\pmb{\theta},\pmb{\dot{\theta}})\pmb{\dot{\theta}}+N(\pmb{\theta},\pmb{\dot{\theta}})$